A szöveges információ kódolása; adatok tárolása

A számítógép mint fekete doboz

A rendszer egymással kapcsolatban álló elemek összessége, amelyek adott cél érdekében együttműködnek egymással, és működésük során erőforrásokat^⇒ használnak fel. (Példák rendszerekre: egy élőlény, az ember, egy szervezet, egy autó vagy egy repülőgép, egy számítógép stb.)

A rendszer működése során felhasznált erőforrások legfontosabb típusai a következők:

• additív erőforrások (pl. anyag, energia, idő)
• kapacitív erőforrások (pl. emberek, adatok vagy információk, eszközök, infrastruktúra)
  • adat: tárolt ismeret
  • információ: felhasznált ismeret
  • tudás: rendszerezett ismeret, amely felhasználható problémák megoldására^⇒

A számunkra legfontosabb példa rendszerre egy digitális számítógép, amelynek egyik legfontosabb képessége az, hogy (legalábbis elvileg) bármilyen adatfeldolgozási feladat elvégzésére képes.

A számítógépes rendszer működését egy fekete dobozként írhatjuk le:

• bemenet, input
  • adatok kódolása (például a decimális számok átalakítása bináris számokká,^⇒ vagy a különböző karakterek helyettesítése bináris kódokkal^⇒)
    • ha hangsúlyozni akarjuk, hogy milyen formában (vagy formátumban) kódoljuk az adatokat, az adatok ábrázolásáról szokás beszélni
• az input feldolgozása és az output előállítása; meghatározott eljárás, ún. algoritmus^⇒ végrehajtása egy számítógépes program segítségével
  • a tárolt adatokon meghatározott műveletek végrehajtása: processor
    • a végrehajtandó műveleteket meghatározott utasításokkal vagy parancsokkal adjuk meg, amit a számítógép processzora végrehajt
  • adatok, részeredmények tárolása: storage
    • a részeredmények ideiglenes tárolása (pl. a processzor regisztereiben, a számítógép memóriájában stb.)
    • a később is felhasználható adatok permanens ("tartós") tárolása egy fájlban vagy adatbázisban (pl. a számítógép háttértárain)
• kimenet, eredmény, output; a számítógép működésének célja a megfelelő kimenet előállítása
  • adatok dekódolása (például a bináris számok visszaalakítása decimális számokká, vagy a bináris karakterkódok helyettesítése a képernyőn, ill. nyomtatott formában megjeleníthető karakterekkel)

A számítógép univerzális, automatikus működésű, kívülről vezérelhető,^⇒ műszakilag megvalósított^⇒ rendszer.

A kódolás-dekódolás folyamata; kódok, jelek

A kódolás az információ megadása valamilyen természetes vagy mesterséges nyelven, kódok és kódsorozatok segítségével. Az információátvitel során a kódolt információt fizikai jelekké, ill. jelsorozatokká alakítjuk, hogy egy csatornán keresztül továbbítani tudjuk.

• a kódok az információ elemi egységei (pl. betűk, hangok, számjegyek, szimbólumok stb.)^⇒
  • a kódábécé a kódolás során használható kódok halmaza
    • világítótornyok vagy hajók hang-, ill. fényjelzései ("ködkürt" vagy "fénykürt"), amelyek a tengeren levő hajósok által ismert kódokat használnak
    • bináris kódolás: a kódábécé a {0, 1} kódokból áll, amelyekkel például természetes számokat kódolhatunk ("ábrázolhatunk")^⇒
    • Morse kódolás (vagy morzekód): a kódábécé a {ti, tá, szünet} kódokból áll, amelyekkel betűket, számokat, ill. írásjeleket kódolhatunk
    • beszélt (természetes) nyelv: a kódábécé a beszéd során használt ("kiejtett") hangokból áll, amelyekkel a beszélt nyelv elemeit (a szavakat, mondatokat stb.) kódolhatjuk
    • írott (természetes) nyelv: a kódábécé az ábécé kis- és nagybetűit, valamint az írásjeleket tartalmazza, amelyekkel a beszélt nyelv szavait, mondatatait stb. kódolhatjuk
    • számítógépes kódrendszerek (a szöveges adatok kódolása során használható karakterkódok készlete, ld. ASCII, UNICODE stb. kódrendszerek^⇒)
• a kódokból meghatározott "nyelvtani" szabályok segítségével érvényes kódsorozatokat állítunk elő, "generálunk" (pl. szavak, mondatok, szövegek stb.)
  • az érvényes kódsorozatok összessége a nyelv ("a nyelv anyagraktár", Szathmári István)
    "A stílus más meghatározással egyébként: kifejezésmód, vagyis az a mód, ahogyan a közlés eredménye, a beszéd meg van szerkesztve. Vagy még más megfogalmazásban: a stílus a kommunikációs helyzetnek megfelelő beszédváltozat [...] a nyelv anyagraktár és egyben lehetőség: a beszéd, a stílus, a szöveg pedig megvalósulás.
    A következő alapvető kérdés: hogyan jön létre a stílus? Válogatással és elrendezéssel." (Szathmári István: Hogyan elemezzünk verset? Bp. Tinta K. 2011. 12-13)
• a fizikai jelek^⇒ a kódok megfeleltetései valamilyen észlelhető fizikai mennyiségnek (például hangrezgésnek vagy fényjeleknek); ebben az értelemben a kódsorozatoknak jelsorozatok felelnek meg
  • beszéd (a betűk, szavak stb. megfeleltetése ezek kiejtésének, azaz a beszéd során keltett mechanikus hangrezgéseknek)
  • ének, zene (a kottajelek megfeleltetése a zenei hangoknak)
    • a hangok fontosabb fizikai jellemzői: hangmagasság (frekvencia), hangerő (intenzitás), hangszín, hanglejtés stb.
  • telekommunikációs csatornákon történő információátvitel (a szöveges, hangokból álló, képi stb. információ megfeleltetése elektromos, ill. elektromágneses jeleknek)
• a fizikai jeleket egy csatornán keresztül továbbítjuk (pl. hangok esetén ez rendszerint a levegő)
• a csatornákon az eredményes jelátvitelt sok esetben valamilyen zaj nehezíti (ilyen pl. egy tantermi előadás során a hallgatók egymás közti beszélgetése)

---

Az észlelt jelsorozatokat a vevő oldalon dekódolással alakítjuk vissza kódsorozatokká, ill. információvá.

Az interperszonális kommunikáció során sok esetben a vevő oldalon az információ dekódolásakor egy kognitív szűrő működését figyelhetjük meg, amely felelős pl.
– a szelektív figyelemért (pl. "csak azt hallom meg, ami érdekel"; "elengedi a füle mellett" stb.),
– a szelektív torzításért (pl. "ezt nem gondolta komolyan"; "ezt nem úgy értette"; "biztosan arra célzott, hogy ..."; "ezt csak azért mondja, mert ..." stb.), és
– a szelektív emlékezetért (pl. "csak a szépre emlékezem"; "Elfelejtlek Ügett, a szívem másért üget.", Pierre Richard: Félénk vagyok, de hódítani akarok).

Az információátvitel alapmodellje^⇒

Számítógépes kódrendszerek

A számítógépek a szöveges információ kódolására meghatározott kódrendszereket használnak. Egy kódrendszer definiálja

• a kódolás során használható karaktereket (a kódábécét), és
• a karakterek kódját, amely egy 0-tól kezdődő sorszám.

A karakterek sorszámozása alapján nyilvánvaló, hogy egy kódrendszer egy függvényt vagy leképezést valósít meg a sorszámok halmaza és a kódábécé, azaz a kódolás során használható karakterek halmaza között. A kódolt karaktereket és a hozzájuk rendelt karakterkódokat a legcélszerűbb egy táblázatban ábrázolni.

A karakterkódokat a jelenleg használt számítógépes kódrendszerekben bináris vagy hexadecimális számrendszerben^⇒ adjuk meg:

• a karakterkódokat rögzített számú ('n') biten ábrázoljuk; ilyenkor 'n' bites kódrendszerről beszélünk (pl. n=7, n=8, n=16 stb.)
• egy n-bites kódrendszerben az ábrázolható karakterek maximális száma (a kódrendszer ún. modulusa) 2 n-edik hatványa (pl. 2⁷=128, 2⁸=256, 2¹⁶=65536 stb.)

Néhány ismertebb kódrendszer:

• ASCII (7 bit; 2⁷=128 karakter kódolása; ez minden ma használatos számítógépes kódrendszer alapja)^⇒
• ANSI 8 bites kódrendszerek (8 bit; 2⁸=256 karakter kódolása; a DOS és a régebbi Windows verziók ezt használták)
  • cp437 (DOS Latin US), cp850 (DOS Latin-1), cp852 (DOS Latin-2), ...
  • windows-1252 (Latin-1),^⇒ windows-1250 (Latin-2),^⇒ ...
  • ISO-8859-1 (Latin-1),^⇒ ISO-8859-2 (Latin-2),^⇒ ...
• UCS vagy UNICODE (eredetileg 16 bit, 1996-tól 32 bit; 2¹⁶=65536, ill. 2³²=4,294,967,296 karakter kódolása)^⇒
  • kódok megadása 4 karakteres hexadecimális formában (pl. a JavaScript programozási nyelvben "\u0041" = A )
  • UTF-8 (az UNICODE karakterek változó hosszúságú kódolása min. 8, max. 4*8=32 biten; ez pl. a Total Commander "Nézőke" funkciójával "Hexa" nézetben kipróbálható)
• domain nevek (URL) kódolása, ill. dekódolása (ez például a magyar nyelvű Wikipédia lapjainak a címében jól megfigyelhető, amikor a domain nevek élezetes betűket tartalmaznak)
  • speciális karakterek kódolása ASCII karakterekkel ("százalékos" kódolás, vö. RFC 3986; pl. Adatállomány → Adat%C3%A1llom%C3%A1ny)^⇒
  • "százalékosan" kódolt speciális karakterek visszaalakítása (pl. Adat%C3%A1llom%C3%A1ny → Adatállomány)
    
    
• HTML karakterkódok
  • HTML entitáskódok (pl. &lt;= < )^⇒
    • speciális karakterek kódolása weblapokon^⇒
    • a tipográfiában gyakran használt karakterek kódolása^⇒
  • HTML UCS kódok (pl. &#65;=&#x41;= A )^⇒
• az MS Word által használt karakterkódok (javaslat: a Word-ben a karakterek kijelölése után nyomjuk le az ALT X billentyűkombinációt!)

Az MS Word 2002 által használt karaktereket tartalmazó 'Szimbólum' tábla részlete

Az információ (technikai) mennyisége

Az információ gyakorlati (technikai) mennyiségét azzal a digitális tárolókapacitással adjuk meg, amely szükséges az adott információnak megfelelő adatmennyiség tárolásához.

Mivel a számítógépek ma is a kettes számrendszert használják az adatok kódolására (vö. Neumann-elvek,^⇒ 1945), az információ mennyiségének egységei a bit, a bájt és ezek szabványos prefixumokkal (kilo/Kilo, mega/Mega stb.) megadott többszörösei.

A számítógépen tárolt fájlok méretét rendszerint bájtokban adjuk meg:

• 1 bit = (két lehetséges érték (pl. 0 vagy 1) tárolása)
• 1 bájt=8 bit (előfordul az 1 byte, 1 Byte, 1 Bájt, 1 B jelölés is)
• szabványos előtagok (prefixumok)
  • Kilo: 1 Kbájt=1024 bájt (=2¹⁰ bájt) (előfordul az 1 KB jelölés is)
  • Mega: 1 Mbájt=1024 Kbájt (=2²⁰ bájt) (előfordul az 1 MB jelölés is)
  • Giga: 1 Gbájt=1024 Mbájt (=2³⁰ bájt) (előfordul az 1 GB jelölés is)
  • Tera: 1 Tbájt=1024 GBájt (=2⁴⁰ bájt) (előfordul az 1 TB jelölés is)

Például egy 1 Mbájt méretű ANSI (8 bites) kódolású szövegfájl kb. egy millió karaktert tartalmaz.

Adatátvitel esetében (például számítógépes hálózatokban) az átvitt információ mennyiségét rendszerint a másodpercenként maximálisan átvihető bitek számával adjuk meg:

• 1 bit = (két lehetséges érték (pl. 0 vagy 1) átvitele)
• szabványos előtagok (prefixumok)
  • kilo: 1 kbit/s=1000 bit/s (=10³ bit/s) (bit/s helyett szokásos a 'bps', kbit/s helyett pedig a 'kbps' jelölés)
  • mega: 1 mbit/s=1000 kbit/s (=10⁶ bit/s) (mbit/s helyett szokásos az 'mbps' jelölés)
  • giga: 1 gbit/s=1000 mbit/s (=10⁹ bit/s) (gbit/s helyett szokásos a 'gbps' jelölés)
  • tera: 1 tbit/s=1000 gbit/s (=10¹² bit/s) (tbit/s helyett szokásos az 'tbps' jelölés)

Egy számítógépes hálózatban a másodpercenként maximálisan átvihető bitek számát sávszélességnek nevezzük. Például egy 1 gbps sávszélességű hálózatban másodpercenként maximálisan 1 gbit, azaz 10⁹ bitnyi információt vihetünk át két számítógép között.

Fájlok, adatállományok

A számítógépet működtető operációs rendszer^⇒ egyik alapfeladata a fájlok kezelése. Ehhez például a következő adatokat tartja nyilván az egyes fájlokról:

• fájl neve (tipp: lehetőleg nem használjunk speciális karaktereket, például szóközt vagy ékezetes karaktereket fájlnevekben!)
  • az angol ábécé betűi (többnyire a kisbetűk használatosak)
  • az "at" karakter (@) (a karakter angol megnevezése "at symbol", "at sign", "address sign" stb.; magyarul a Wikipédia szerint leginkább a "kukac" megnevezés használatos)
  • kötőjel (-) és aláhúzás (_) karakterek
  • ...
• fájl kiterjesztése és típusa a Windows rendszerben (pl. a .txt kiterjesztés szöveges fájlokat, a .jpg képeket ad meg stb.)
  • az MS Windows operációs rendszer "saját" fájlkezelőjében (pl. Ez a gép, vagy egyszerűen Fájlkezelő) alapértelmezésben elrejti a fájlok kiterjesztését; a kiterjesztés megjelenítéséhez a Nézet szalagnak a fájlkiterjesztések megjelenítését vezérlő jelölő dobozát be kell kapcsolni
• fájl típusa a MIME szabvány szerint (a fájl típusának megadásakor a Windows szokásos kiterjesztései nem mindig egyértelműek (bár egyes esetekben de facto szabványnak tekinthetők); az internetes levelezés ún. MIME szabványa viszont nemzetközileg elfogadott (de jure) szabvány, amely a csatolt fájlok típusát egyértelműen megadja)
  • fájlban tárolt adatok alaptípusa^⇒ (pl. szövegfájl, képfájl, hangfájl, videofájl, egyéb alkalmazás)
  • fájl altípusa^⇒ (az alaptípuson belül, pl. text/plain ↔ 'txt')
    • a fájlban tárolt adatok kódolása
    • a fájl megnyitására használható (társítható) alkalmazások köre (például egy plain ("egyszerű") szövegfájl megnyitása Jegyzettömb-bel, egy szövegfájl megnyitása Jegyzettömb-bel, egy jpeg képfájl megnyitása az IrfanView segítségével, egy Word dokumentum megnyitása az MS Word segítségével stb.)

Az MS Windows operációs rendszerben egy adott fájltípushoz mindig egy meghatározott alkalmazás tartozik, amelynek segítségével a fájl megnyitható. Ha szükséges, egy adott fájltípushoz mi is társíthatunk egy olyan alkalmazást, amely a fájlt megnyitja.

A fájlok további jellemzői

• fájl mérete (pl. bájtban megadva)
• fájl létrehozásának, ill. utolsó módosításának dátuma és ideje
• fájl attribútumai (DOS/Windows rendszerben)
  • archív ("archiválásra kész", ti. az utolsó módosítás óta még nem történt meg a fájl mentése)
  • írásvédett ("csak olvasható")
  • rejtett
  • rendszer
  • egyéb (pl. indexelt, tömörített, titkosított stb.)

A fájlokhoz való hozzáférés jogosultságai

Többfelhasználós operációs rendszerekben (pl. Unix vagy Linux operációs rendszer esetén) a jogosultságok megadása egy kilenc karakterből (három darab három karakterből álló csoportból) álló karaktersorozattal történik, amely kódolható egy háromjegyű oktális számsorozattal is.

• jogosultsági csoport
  • tulajdonos (első három betű)
  • csoporttag (második három betű)
  • egyéb felhasználó ("világ") (harmadik három betű)
• engedélyezett művelet (több engedély esetén a számokat össze kell adni, így egy 0 és 7 közötti oktális számot kapunk; ha egy művelet nem engedélyezett, azt kötőjellel (-) jelöljük)
  • (csak) olvasható (r vagy 4)
  • írható/olvasható (w vagy 2)
  • végrehajtható, futtatható (x vagy 1)

Például rw-r--r-- csak a fájl tulajdonosa számára engedélyezi egy fájl írását (módosítását, törlését stb.), a fájl olvasását viszont minden felhasználónak engedélyezi. Ezt a jogosultságot oktálisan 644 adja meg.

Fájltípusok

A különböző fájltípusok az elektronikus levelezésre kidolgozott MIME szabvány szerint például a következőképpen csoportosíthatók:

• szövegfájlok (pl. text/html)
  • egyszerű szövegfájlok (pl. email.txt)
  • XML dokumentumok (pl. adatok.xml)
    • például az svg típusú képállományok, a docx kiterjesztésű Word dokumentumok stb. valójában xml jelölő nyelven leírt dokumentumok (az utóbbi esetében zip algoritmussal tömörítve)
  • HTML dokumentumok, weblapok (pl. index.html)^⇒
• képfájlok (pl. image/jpeg)
  • jpeg (pl. virag.jpg)
  • gif (pl. smiley.gif)
    • animált gif (pl. viragok.gif)
  • png (pl. abra.png)
  • svg (pl. diagram.svg)
  • bmp (pl. rajz.bmp)
  • webp (pl. google.webp)
• hangfájlok (pl. audio/mpeg)
  • mp3 (pl. republic.mp3)
  • ogg (pl. hello.ogg)
  • wav (pl. csengo.wav)
• videofájlok (pl. video/mpeg)
  • avi (pl. mimio.avi)
  • mpeg (pl. videoclip.mpg, VTS_01_1.VOB)
  • mp4 (pl. interju.mp4)
  • ogg (pl. sample.ogg)
  • webm (pl. youtube.webm)
• alkalmazások (pl. application/zip)
  • exe (elindítható, végrehajtható programok)
  • doc, docx (MS Word dokumentumállományok)
  • ppt, pptx (MS PowerPoint prezentációs állományok)
  • ...
  • zip (tömörített állományok)

Fájlrendszer

• adattároló eszközök (fizikai meghajtók; kötetek vagy logikai meghajtók; nagyobb méretű háttértáron partíciók; például c:, d: stb.)
• könyvtár- vagy mappastruktúra (hierarchikus "fastruktúra")
  • gyökérkönyvtár
  • alkönyvtárak
    • aktuális könyvtár (.)
    • szülőkönyvtár (..)
• elérési út
  • DOS/WINDOWS: pl.
    d:\adatok\hello.txt
    • az elérési út a böngésző címsorában is megjeleníthető, pl.
      file:///c:/Documents%20and%20Settings/bodai/Dokumentumok/05_fajlok_fajlformatumok.html
  • LINUX/UNIX: pl.
    /home/user/docs/hello.txt
  • INTERNET: pl.
    https://hu.wikipedia.org/wiki/Adat%C3%A1llom%C3%A1ny^⇒

---

A könyvtárstruktúra a szöveges konzolon is megjeleníthető (a TREE paranccsal).

Példa egy hierarchikus mappastruktúrára

A könyvtárstruktúra ismeretében bármelyik fájl elérési útja könnyen meghatározható. Például ha a fenti ábrán a Nyaralás mappában van egy Balaton.jpg nevű fájl, akkor ennek elérési útja
d:\Képek\Saját fotók\Nyaralás\Balaton.jpg

Jegyezzük meg, hogy a könyvtárnevekben szereplő szóközök megnehezítik a mappák (alkönyvtárak) és a fájlok tényleges elérését; például egy parancs kiadásakor a szöveges konzolon idézőjelbe kell tennünk az elérési utat.

Parancssori paraméterek és hibakódok [kiegészítő anyag]

A Windows parancssorokat kezelő felülete (cmd.exe) segítségével

• parancsokat adhatunk ki szöveges felületen (pl. dir)
• parancsokat tartalmazó (batch vagy script) programokat futtathatunk
• fordítóval és szerkesztővel (és/vagy futtató rendszerrel) rendelkező, magas szintű nyelven írt (C, C#, Java stb.) programokat fordíthatunk és futtathatunk

Példák parancssori paramétereket tartalmazó programokra:

• a 'Helló, világ!' üzenet kiírása
• a parancssori paraméterek kiírása
• az első 10 egész szám kiíratása (ld. alább)
• ...
• parancsok vagy programok hibakódjának feldolgozása

---

Példa: az első 10 egész szám kiíratása

@echo off
REM az első 'n' szám kiíratása

set /A i=1

:ciklus
if %i% GTR 10 goto :vege

echo %i%
set /A i+=1
goto :ciklus

:vege
echo ____________

Ugyanez az algoritmus tömörebben is kódolható:

REM az első 'n' szám kiíratása

@echo off

for /L %%i in (1,1,10) do (
 echo %%i
 )  

Fájlkezelés

• parancsértelmező (cmd.exe; a Windows által biztosított konzol parancsok szöveges kiadására); néhány kiadható parancs:
  • dir (aktuális könyvtár tartalmának kilistázása)
  • copy con hello.txt
    Hello!
    CTRL Z
    ENTER (egy "hello.txt" nevű szövegfájl létrehozása "Hello!" tartalommal)
  • md uj (egy "uj" nevű alkönyvtár létrehozása)
  • copy hello.txt uj (a "hello.txt" nevű fájl átmásolása az "uj" alkönyvtárba)
  • cd uj (belépés az "uj" alkönyvtárba)
  • dir
  • type hello.txt (a "hello.txt" nevű szövegfájl tartalmának kiírása)
  • cd .. (visszalépés az aktuális alkönyvtár szülőkönyvtárába)
  • ...
  • exit (kilépés a szöveges konzolból)
• Fájlkezelő vagy "Ez a gép" (a Windows beépített fájlkezelő alkalmazása grafikus felületen) (korábbi nevén Windows Intéző vagy Sajátgép)
• fájlkezelő segédprogramok (pl. Total Commander vagy WinSCP)

Az MS Windows szöveges konzolja

A Total Commander képernyőképe

A WinSCP fájlkezelő segédprogram képernyőképe

A Total Commander néhány hasznos parancsa

A Total Commander egyik nagy előnye, hogy a legfontosabb parancsok közvetlenül a billentyűzetről, a parancsokhoz rendelt "gyorsbillentyűk" (azaz megadott billentyűkombinációk) segítségével is kiadhatók.

• gyorssegítség, a TC dokumentációja ("help") (F1)
• meghajtóváltás (ALT F1/F2)
  • belépés egy mappába vagy egy tömörített fájlba (ENTER)
  • feljebb lépés a könyvtárstruktúrában (fellépés a "szülőkönyvtárba") (CTRL PgUp)
  • ugrás a gyökérkönyvtárba (CTRL í/<)
• mappa létrehozása (F7)
• panelek felcserélése (CTRL U)
• szövegfájl létrehozása (SHIFT F4)
  • már létező szövegfájl szerkesztése (F4) (pl. Jegyzettömbben)
    • módosított szövegfájl mentése (CTRL S)
    • kilépés (ALT F4)
• fájlok átnevezése (SHIFT F6)
• fájlok tartalmának megnézése ("nézőke") (F3) (nem csak szövegfájlok esetén működik!)
• fájlok keresése (ALT F7)
  • helyettesítő karakter (*) használata
  • keresés eredményének ablakba mentése ("Ablak")
    • mappa frissítése; visszalépés a kiinduló könyvtárba (CTRL R)
• fájlok és/vagy mappák másolása az aktuális panelből a másik panelbe (F5)
  • fájlok kijelölése (Insert vagy SHIFT fel/le nyilak)
  • kijelölt fájlok és/vagy mappák tömörítése (ALT F5)
• fájlok és/vagy mappák áthelyezése az aktuális panelből a másik panelbe (F6)
• fájlok törlése (a Lomtárba) (F8)
  • fájlok végleges törlése (SHIFT F8)
• szöveges parancsok kiadása a parancssorból (pl. cd \ és ENTER)
• kilépés (ALT F4)